别再为告警信息焦头烂额了：这个免费工具，能帮你把几十个监控系统收进一个页面

你是不是也这样？电脑右下角弹出一条告警：“数据库连接数超阈值”，刚点开，微信又蹦出运维群消息：“Prometheus 报了 3 个 P1 级别告警”，手机钉钉还没看完，邮箱又来了封“Zabbix 检测到主机宕机”的通知……不是没装监控，是监控太多太散。你得在 Grafana、Datadog、Zabbix、企业微信机器人、飞书群、邮件、Slack 之间来回切，光确认是不是同一个故障，就得花五分钟。更别说重复告警刷屏、关键信息被淹没、半夜被误报吵醒——这不是技术问题，是信息过载的体力活。

能替代什么 / 能省多少钱

Keep 不是替代某一款具体软件，而是替代一整套「告警治理服务」。很多中小公司买的是 Datadog 的 Alert Management 模块（每年 500 美元起）、或者 PagerDuty 的告警分派+去重功能（基础版每月 15 美元/人），甚至有些团队干脆外包给第三方 SaaS 做告警聚合和值班排班。Keep 就是干这事的：它不生产监控数据，但能把所有监控系统的告警统一收进来、去重、打标签、自动关联、推送到你指定的地方。如果你现在每月为告警管理类服务付 300～800 元，Keep 可以直接砍掉这笔支出。它不卖账号、不按人头收费、不设用量上限——你部署好，它就一直跑着。我问过两个用 Keep 的朋友，一个做电商运维的说：“原来我们用 PagerDuty + 自写脚本做过滤，一年花了 9600 元；现在 Keep 加一台 4 核 8G 的旧服务器，电费都比以前少。”另一个朋友是 SaaS 公司的技术负责人，他们之前买了 Datadog 的告警增强包，每年 1.2 万，去年底换成 Keep，省下的钱买了三台新笔记本。

核心功能

所有告警塞进一个页面看，不用再开七八个标签页。打开 Keep 的 Web 界面，默认就是“全部告警”列表，每条都带来源（比如来自 Prometheus、Zabbix 或飞书机器人）、状态（触发/恢复）、严重等级、时间戳。你可以按服务名、环境（prod/staging）、标签（team:backend）筛选，也可以拖拽排序、收藏常用视图。我试过把 5 个监控源的数据同时接入，第一次刷新时有点卡，但缓存建好后，翻页和搜索基本不卡顿。
同一件事只报一次。比如数据库慢查询触发了 Prometheus 告警，Zabbix 同时检测到 MySQL 进程异常，飞书机器人又转发了一条日志错误——这三个其实是一回事。Keep 会自动识别它们的时间接近性、服务名一致性和关键词重合度，合并成一条“MySQL 主库响应延迟 > 2s”，并附上三条原始告警的链接。它不靠人工规则，而是用内置的 AI 模型（默认连 Ollama）做语义比对，这点比我们自己写的正则匹配靠谱得多。
告警来了，它能自己“查资料”。比如收到一条“K8s Pod CrashLoopBackOff”，Keep 不只显示原始文本，还会自动调用你配好的 Llama.cpp 模型，从 Kubernetes 官方文档和社区常见问题里扒出可能原因、检查命令和修复步骤，直接贴在告警详情页下方。你点开就能看到“建议执行 kubectl describe pod xxx -n yyy”，不用再切窗口搜 Stack Overflow。
支持双向同步。你在 Keep 里点“确认处理”，它会自动在 Zabbix 里关掉对应事件，在 Slack 里发一条“已接手”，还能往 Jira 创建一个 ticket 并关联原始告警链接。反过来，如果有人在 Jira 里把 ticket 改成“已解决”，Keep 也会自动把这条告警标记为已闭环。这功能需要手动配置 Webhook 和 API Token，但文档里有现成的 YAML 模板，照着填 6 个字段就行。
告警可以“串起来”。比如 A 服务超时 → 触发 B 服务降级 → 导致 C 服务大量 503。Keep 能把这三条孤立告警自动画成因果链，生成一张简易拓扑图，标出时间先后和影响路径。这个功能叫 “Alert Correlation”，不需要你画流程图，它根据时间窗口、服务依赖关系和错误码模式自己推。我拿测试环境的压测数据试过，8 成以上的链路能被正确识别。
值班表和通知渠道全自己定。你可以在 Keep 里导入 CSV 格式的排班表，设置谁在什么时间段负责哪类告警；通知方式支持邮件、飞书、钉钉、Slack、Telegram，甚至能接企业微信的自建应用。最实在的是：它支持“静音时段”和“升级策略”，比如凌晨 2 点到 6 点只发邮件不打电话，连续 3 次未响应就转给二线负责人。这些功能在 PagerDuty 里要加钱开通，在 Keep 里是默认就有的。

三步上手

去官网 https://platform.keephq.dev 点“Try it out”，它会自动给你开一个临时的在线 Demo 实例（有效期 2 小时）。不用注册、不用填邮箱，点开就能看到界面长什么样，还能手动模拟几条告警试试去重和关联效果。这一步 30 秒搞定，适合先建立直观感受。
真要部署到自己机器上，推荐用 Docker 方式。Keep 官方提供了预编译的镜像，你只需要在 Linux 服务器（Ubuntu 22.04 或 CentOS 7 以上）上装好 Docker 和 docker-compose，然后下载它 GitHub 仓库根目录下的 docker-compose.yml 文件（地址是 https://github.com/keephq/keep/blob/main/docker-compose.yml），用 vim 打开，改两处：把 POSTGRES_PASSWORD 换成你自己想设的密码，把 KEEP_AI_PROVIDER 改成 ollama（如果你本地装了 Ollama）或者 openai（如果要用 OpenAI API）。保存后运行 docker-compose up -d，等 2 分钟左右，访问 http://你的服务器IP:8080 就能进后台。
接入第一个监控系统。比如你想把 Prometheus 告警导进来，就去 Keep 后台左侧菜单点“Integrations”→“Add Integration”→选“Prometheus”，它会生成一段 webhook URL 和一个 YAML 配置片段。你把这段 YAML 复制粘贴到 Prometheus 的 alert.rules.yml 里，再重启 Prometheus 服务。5 秒后，只要 Prometheus 有告警触发，Keep 页面就会实时出现新条目。整个过程我实测用了 6 分 23 秒，其中 4 分钟花在找 Prometheus 配置文件路径上。

要说清楚的短板

Keep 目前没有中文界面，所有菜单、提示、配置项都是英文。这不是小问题，告警规则里的字段名、错误提示里的术语，比如 “alert enrichment failed due to missing context provider”，对非英语技术同事来说，排查起来挺费劲。我自己搭完第一次，就因为把 “provider” 误解成“供应商”而不是“后端模型服务”，折腾了半小时才搞懂要配 Ollama 地址。第二，它只支持 Linux 服务器部署，没有 Windows 版本，也没有 macOS 的桌面客户端。如果你想在个人 Mac 上试用，只能开虚拟机或用 Docker Desktop，启动速度比原生慢一截。第三，AI 相关功能虽然写得漂亮，但实际体验依赖你配的模型。用 Ollama 跑 Llama3-8B，在我的 4 核服务器上，每次语义分析要等 4～7 秒；换成 OpenAI 的 GPT-4o，快是快了，但得自己掏 API 钱，Keep 本身不提供免费算力。这点我不太满意：既然是开源告警平台，AI 功能应该更轻量些，比如默认用本地小模型做基础去重，高级分析再走云端。